Thu thập dữ liệu
Dữ liệu cần trả lời đúng câu hỏi đang quan tâm. Tùy nội dung, có thể thu thập bằng quan sát, làm thí nghiệm, lập bảng hỏi hoặc phỏng vấn.
Khi phỏng vấn, câu hỏi phải rõ ràng và phù hợp với dữ liệu cần lấy. Chẳng hạn:
- hỏi “Mỗi ngày dành bao nhiêu phút để đọc sách?” để thu dữ liệu là số;
- hỏi “Thể loại sách thường đọc là gì?” để thu dữ liệu không là số.
Phân loại dữ liệu
Dữ liệu được chia thành hai loại chính:
- **dữ liệu là số** hay dữ liệu định lượng, chẳng hạn chiều cao, thời gian, số quyển sách;
- **dữ liệu không là số** hay dữ liệu định tính.
Dữ liệu không là số lại có hai trường hợp:
- có thể sắp thứ tự, ví dụ: Tốt, Khá, Trung bình, Chưa đạt;
- không thể sắp thứ tự, ví dụ: màu yêu thích, tên tỉnh.
Không chỉ nhìn hình thức để phân loại. Các kí hiệu $01$, $12$, $28$ nếu dùng làm tên tuyến xe buýt thì là dữ liệu không là số.
Tính đại diện của dữ liệu
Muốn kết luận về một nhóm đối tượng, dữ liệu thu được phải đại diện cho nhóm đó.
Ví dụ, muốn tìm hiểu thời gian đọc sách của học sinh toàn trường mà chỉ hỏi thành viên câu lạc bộ Sách thì mẫu dễ bị thiên lệch. Cách hợp lí hơn là chọn ngẫu nhiên học sinh ở nhiều lớp.
Có thể kiểm tra theo ba câu hỏi:
1. Kết luận muốn nói về nhóm nào?
2. Dữ liệu được lấy từ nhóm nào?
3. Cách chọn có bỏ sót hoặc ưu tiên một nhóm đặc biệt hay không?
Ví dụ: phân loại kết quả phỏng vấn
Một bảng hỏi có ba câu:
1. Mỗi tuần tập thể thao bao nhiêu giờ?
2. Môn thể thao yêu thích là gì?
3. Mức độ thường xuyên tập thể thao: Thường xuyên, Thỉnh thoảng, Hiếm khi?
Khi đó:
- câu 1 cho dữ liệu là số;
- câu 2 cho dữ liệu không là số, không thể sắp thứ tự;
- câu 3 cho dữ liệu không là số, có thể sắp thứ tự theo mức độ thường xuyên.
Nếu muốn kết luận cho cả khối 7, người được hỏi phải được chọn từ các lớp trong khối, không chỉ từ đội tuyển thể thao.
Nhận biết dữ liệu dùng để đặt tên
Các tuyến xe buýt mà một hành khách đã đi có số hiệu $01$, $12$, $28$. Dãy dữ liệu này thuộc loại nào?
Đúng. Số hiệu chỉ dùng để gọi tên tuyến xe.
Viết bằng chữ số không có nghĩa dữ liệu đang biểu thị một số lượng.
Các số hiệu không phải các mức đánh giá có thứ tự.
Dữ liệu không cho biết thời gian.
Lời giải
Các số hiệu $01$, $12$, $28$ là tên của tuyến xe, không biểu thị số lượng hay số đo. Vì vậy đây là dữ liệu không là số và không có thứ tự về độ lớn. Chọn A.
Chọn mẫu có tính đại diện
Muốn khảo sát thời gian vận động mỗi ngày của học sinh toàn trường, cách chọn nào hợp lí nhất?
Thành viên câu lạc bộ bóng đá thường vận động nhiều hơn mặt bằng chung.
Nhóm đang ở sân thể thao dễ có thời gian vận động cao hơn các nhóm khác.
Đúng. Mẫu được lấy ngẫu nhiên từ nhiều khối lớp.
Một lớp không đại diện đầy đủ cho toàn trường.
Lời giải
Nhóm cần kết luận là học sinh toàn trường. Chọn ngẫu nhiên ở mỗi khối lớp giúp nhiều nhóm học sinh được đại diện và hạn chế thiên lệch. Chọn C.
Kiến thức cần nhớ
Phân loại dữ liệu theo ý nghĩa của chúng: dữ liệu là số; dữ liệu không là số có hoặc không có thứ tự. Trước khi kết luận, phải kiểm tra nhóm được khảo sát có đại diện cho nhóm đang quan tâm hay không.